1 Kabupaten kota di Propinsi Sumatera Utara yang mempublikasikan
laporan APBD dalam situs Departemen Keuangan Republik Indonesia Direktorat Jenderal Perimbangan Keuangan
www.djpkpd.go.id .
2 Kabupaten kota di Propinsi Sumatera Utara yang mempublikasikan
laporan APBDnya selama periode 2004-2006. 3
Kabupaten kota di Propinsi Sumatera yang laporan APBDnya telah memakai format Kepmendagri 29 2002
Populasi dalam penelitian ini adalah sebanyak 22 kabupaten dan 7 kota.
C. Jenis Data
Peneliti menggunakan data sekunder dalam penelitian ini. ”Data sekunder merupakan data yang telah dikumpulkan sebelumnya” Anandya
dan Suprihhadi, 2005 : 64. Data diperoleh dari laporan APBD Pemda kabupaten kota yang diperoleh dari situs Departemen Keuangan Republik
Indonesia Direktorat Jenderal Perimbangan Keuangan. Data yang dibutuhkan adalah informasi keuangan yang berhubungan dengan variabel penelitian yaitu
data Dana Alokasi Umum DAU, total Pendapatan Asli Daerah PAD, total pendapatan lain-lain yang dianggap sah, dan total belanja daerah.
D. Teknik Pengumpulan Data
Pengumpulan data dilakukan untuk memperoleh informasi yang dibutuhkan dalam rangka mencapai tujuan penelitian. Tujuan yang
diungkapkan dalam bentuk hipotesis merupakan jawaban sementara terhadap
Universitas Sumatera Utara
pertanyaan penelitian. Jawaban itu masih perlu diuji secara empiris, dan untuk maksud inilah dibutuhkan pengumpulan data. Data penelitian diperoleh secara
tidak langsung melalui media perantara yaitu internet yang diperoleh dari situs Departemen Keuangan Republik Indonesia Direktorat Jenderal Perimbangan
Keuangan www.djpkpd.go.id
.
E. Identifikasi dan Pengukuran Variabel Penelitian
Variabel-variabel yang digunakan dalam penelitian ini antara lain : 1
Variabel independen Yaitu ”variabel yang tidak tergantung pada variabel lain” Umar, 1997 :
44. Variabel independen dalam penelitian ini adalah :
X
1
= Dana Alokasi Umum DAU X
2
= Pendapatan Asli Daerah PAD X
3
= Pendapatan lain-lain yang dianggap sah 2 ”Variabel yang tergantung pada variabel lain disebut variabel terikat atau
tidak bebas atau dependen.” Umar 1997 : 44 Dalam penelitian ini variabel dependen yang digunakan adalah total
belanja daerah.
Universitas Sumatera Utara
F. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan SPSS 14. Peneliti melakukan terlebih
dahulu uji asumsi klasik sebelum melakukan pengujian hipotesis.
1. Pengujian Asumsi Klasik
Pengujian asumsi klasik yang digunakan meliputi :
a. Uji Normalitas
Menurut Erlina dan Mulyani 2007 : 103, ”uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, gunakan statistik
parametrik dan jika data tidak normal gunakan statistik non parametrik atau lakukan treatment agar data normal.”
Menurut Ghozali 2005 : 110, ”uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji
statistik menjadi tidak valid untuk jumlah sampel kecil.” Ada dua cara untuk mendeteksi apakah residual berdistribusi normal
atau tidak menurut Ghozali 2005 : 110, yaitu : a. Analisis grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability
plot
yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal
dan plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang
Universitas Sumatera Utara
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
b. Analisis statistik Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis
dan nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametrik
Kolmogorov-Smirnov K-S.
Pedoman pengambilan keputusan tentang data tersebut mendekati atau
merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari :
i. Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal. ii. Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah normal.
b. Uji Multikolinearitas
Menurut Gujarati 1995 dalam Hadi 2006 : 168, “uji multikolinearitas berhubungan dengan adanya korelasi antar variable independen. Sebuah
persamaan terjangkit penyakit ini bila dua atau lebih variabel independen memiliki tingkat korelasi yang tinggi. Sebuah persamaan regresi dikatakan
baik bila persamaan tersebut memiliki variabel independen yang saling tidak berkorelasi.”
Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi menurut Hadi 2006 : 168 dapat dilihat dari :
1 Salah satu ciri regresi yang terjangkit multikolinear adalah
persamaan tersebut memiliki nilai R
2
yang sangat tinggi, tetapi hanya memiliki sedikit variabel independen yang signifikan memiliki nilai
t hitung tinggi. Keadaan yang paling ekstrim adalah bila model memiliki nilai R
2
dan F hitung yang tinggi dan secara otomatis akan memiliki nilai signifikansi F yang sangat bagus tetapi tidak satupun
Universitas Sumatera Utara
variabel independen yang memiliki nilai t cukup signifikan. Bila hal ini terjadi maka bisa disimpulkan bahwa bagusnya F dan R
2
karena adanya interaksi antar variabel independen yang cukup tinggi multikolinear
2 Indikator lain yang bisa dipakai adalah CI Condition Index atau
Eigenvalues . Bila CI berkisar antara10 sampai dengan 30 maka kita
bisa mengatakan bahwa persamaan tersebut terjangkit multikolinear. Bila CI 30 maka terjangkitnya semakin kecil.
3 VIF Variable Inflation Factor juga bisa digunakan sebagai
indicator. Bila VIF 10 maka variable tersebut memiliki kolinearitas yang tinggi.
Bila ternyata model terindikasi penyakit multikolinear, maka baru dicari korelasi diantara variabel independen. Gujarati 1995 dalam Hadi 2006 :
168 menyatakan bahwa “dua variabel yang memiliki tingkat korelasi 0,8 sudah terlalu tinggi tetapi kalau 0,5 tidak ada masalah.”
Bila didapatkan dua variabel yang memiliki korelasi tinggi 0,8 ke atas, ambil salah satu saja dan hilangkan yang lain.
Menurut Ghozali 2005 : 91, untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut :
a. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel
independennya banyak yang tidak signifikan mempengaruhi variabel dependen.
b. Menganalisis matrik korelasi variabel-variabel independen. Jika
antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi
adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari
multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
c. Multikolinearitas dapat juga dilihat dari 1 nilai tolerance dan
lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen
terikat dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang
Universitas Sumatera Utara
terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi
karena VIF = 1 Tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai
tolerance 0.10 atau sama dengan nilai VIF 10.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskesdatisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskesdatisitas. Ghozali, 2005 :
105. Menurut Ghozali 2005 : 105, ada beberapa cara untuk mendeteksi ada
atau tidaknya heteroskesdatisitas : a. Melihat grafik plot antara nilai prediksi variabel terikat dependen
yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskesdatisitas dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah
residual Y prediksi – Y sesungguhnya yang telah di-studentized.
Dasar analisis : 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskesdatisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskesdatisitas.
Menurut Gujarati 1995 dalam Hadi 2006 : 172, “untuk mengetahui
adanya masalah heteroskesdatisitas ini kita bisa menggunakan korelasi jenjang Spearman, tes Park, tes Goldfeld-Quandt, tes BPG, tes White atau tes
Glejser.” Bila menggunakan korelasi jenjang Spearman, maka kita harus menghitung nilai korelasi untuk setiap variabel independen terhadap nilai
residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test
Universitas Sumatera Utara
memiliki dasar test yang sama yaitu meregresikan kembali nilai residu ke variabel independen.
Menurut Hadi 2006 : 174, salah satu cara untuk mengurangi masalah heteroskesdatisitas adalah “menurunkan besarnya rentang range data. Salah
satu cara yang bisa dilakukan untuk menurunkan rentang data adalah melakukan transformasi manipulasi logaritma. Tindakan ini bisa dilakukan
bila semua data bertanda positif.”
d. Uji Autokorelasi
Masalah autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu timeseries. “Autokorelasi akan muncul bila data sesudahnya
merupakan fungsi dari data sebelumnya atau data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan
besaran data sangat tergantung pada tempat data tersebut terjadi.”Hadi, 2006 : 175
Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson DW. Deteksi autokorelasi dengan cara ini dimulai dengan
menghitung nilai d, setelah nilai d diketemukan maka tahapan berikutnya adalah menentukan nilai du dan dl dengan menggunakan tabel Durbin Watson.
Ketentuan : d
u
d 4-d
u
Tidak ada autokorelasi d d
l
Terdapat autokorelasi
positif d 4-d
l
Terdapat autokorelasi
negatif d
l
d d
u
Tidak ada keputusan tentang autokorelasi 4-d
u
d 4-d
l
Tidak ada keputusan tentang autokorelasi Hadi, 2006 : 176
Universitas Sumatera Utara
“Salah satu cara untuk mengatasi adanya masalah autokorelasi bila ada adalah dengan cara menambahkan satu variabel baru, yaitu variable lag -1.”
Hadi, 2006 : 176
2. Pengujian Hipotesis
Untuk mengetahui bagaimana pengaruh DAU, PAD, dan pendapatan lain-lain yang dianggap sah secara parsial terhadap belanja daerah digunakan
analisis regresi linier sederhana dengan uji t. Cara yang digunakan adalah dengan cara membandingkan nilai probabilitas masing-masing variabel
dengan besarnya nilai α = 5 . Adapun aturan yang digunakan adalah jika
probabilitas variabel probabilitas 5 maka H diterima, dan jika probabilitas
variabel probabilitas 5 maka H ditolak dan terima H
a
. Untuk mengetahui bagaimana pengaruh DAU, PAD, dan pendapatan
lain-lain yang dianggap sah secara bersama terhadap belanja daerah digunakan analisis regresi linier berganda dengan uji F.
Model regresi berganda untuk menguji hipotesis sebagai berikut : Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e Dimana :
Y = Total Belanja Daerah
a =
konstanta b
1
, b
2
= koefisien
regresi X
1
= Dana Alokasi Umum DAU X
2
= Pendapatan Asli Daerah PAD
Universitas Sumatera Utara
X
3
= Pendapatan Lain-lain yang Dianggap Sah e
= Tingkat kesalahan pengganggu
G. Jadwal Penelitian
Jadwal penelitian direncanakan sebagai berikut : Tahapan
Penelitian Okt Nov Des Jan Feb Mar
Penyelesaian proposal Pencarian data awal
Pengajuan proposal Penyerahan proposal
kepada dosen pembimbing
Bimbingan dan perbaikan proposal
Seminar proposal Pengumpulan data
Pengolahan data Analisis data
Bimbingan skripsi Penyelesaian skripsi
Universitas Sumatera Utara
BAB IV ANALISIS HASIL PENELITIAN
A. Deskripsi Data Secara Statistik
Sebelum melakukan pembahasan mengenai data secara statistik harus terlebih dahulu memperhatikan data kabupaten kota yang telah ditentukan
sebagai sampel. Adapun kabupaten kota yang terpilih menjadi sampel penelitian berdasarkan pertimbangan yang ditentukan oleh penulis pada
halaman 31 adalah sebanyak 12 sampel untuk setiap tahunnya. Kabupaten kota yang dimaksud adalah sebagai berikut :
Tabel 4.1 Daftar Kabupaten Kota Sampel
NO NAMA KABUPATEN KOTA
KRITERIA SAMPEL
1 2 3
1. Kota Medan
√ x
√ -
2. Kota Binjai
√ √
√ Sampel 1
3. Kota Pematang Siantar
√ x
√ -
4. Kota Sibolga
√ √
√ Sampel 2
5. Kabupaten Tapanuli
Selatan √
x √
- 6. Kabupaten
Batubara x
x x
- 7.
Kota Tanjung Balai √
√ √
Sampel 3 8.
Kota Tebing Tinggi √
√ √
Sampel 4 9. Kabupaten
Humbang Hasundutan
√ √
√ Sampel 5
10. Kabupaten Asahan
√ x x
- 11. Kabupaten
Dairi √
x √
- 12. Kabupaten
Tapanuli Tengah
√ x
√ -
13. Kabupaten Toba Samosir
√ √
√ Sampel 6
14. Kabupaten Pakphak
Barat √
x √
- 15.
KabupatenTapanuli Utara √
√ √
Sampel 7 16. Kabupaten
Nias Selatan
√ x x
- 17. Kabupaten
Deli Serdang
√ √
√ Sampel 8
Universitas Sumatera Utara
